经典计量经济学

经典计量经济学 (Classical Econometrics)

经典计量经济学是指以经典线性回归模型（Classical Linear Regression Model, CLRM）为核心分析框架、以普通最小二乘（OLS）为主要估计方法的传统计量经济学体系。它构成了计量经济学教学与研究的基石，其方法论范式——从模型设定、参数估计到假设检验——至今仍是应用经济研究中最为广泛使用的分析流程。经典计量经济学的"经典"二字，既指向其依赖的一组严格假定（即 Gauss-Markov 假定），也暗含该框架在二十世纪计量经济学发展中的奠基性地位。

核心框架：经典线性回归模型

经典计量经济学的分析起点是线性回归模型。以一元情形为例：

其中 $Y_i$ 为因变量，$X_i$ 为自变量，$\beta_0, \beta_1$ 为待估参数，$u_i$ 为随机扰动项。多元情形的矩阵表述为 $\mathbf{y} = \mathbf{X}\boldsymbol{\beta} + \boldsymbol{\varepsilon}$，其 OLS 估计量为 $\hat{\boldsymbol{\beta}} = (\mathbf{X}'\mathbf{X})^{-1}\mathbf{X}'\mathbf{y}$。

经典计量经济学之所以"经典"，在于它所依赖的一套核心假定：

1. 线性于参数：因变量是参数 $\boldsymbol{\beta}$ 的线性函数。
2. 满秩条件：设计矩阵 $\mathbf{X}$ 列满秩，不存在严格多重共线性。
3. 严格外生性：$\mathbb{E}(\boldsymbol{\varepsilon} \mid \mathbf{X}) = \mathbf{0}$，即误差项与解释变量在所有观测上均不相关。这是最为关键的假定。
4. 球面误差方差：$\mathrm{Var}(\boldsymbol{\varepsilon} \mid \mathbf{X}) = \sigma^2 \mathbf{I}_n$，意味着误差项满足同方差性且无自相关。

在此框架下，Gauss-Markov 定理保证了 OLS 估计量是最佳线性无偏估计量（BLUE）——在所有线性无偏估计量中方差最小。这一性质无需假定误差的正态分布，仅依赖上述矩条件即已成立。若进一步引入正态性假定 $\boldsymbol{\varepsilon} \mid \mathbf{X} \sim N(\mathbf{0}, \sigma^2 \mathbf{I}_n)$，则 OLS 估计量同时是极大似然估计量，且在小样本下 $t$ 检验与 $F$ 检验具有精确分布。

方法论范式：从估计到推断

经典计量经济学确立了一套标准化的工作流程，这套流程至今仍是应用研究的"默认路径"：

1. 模型设定：基于经济理论提出变量间的函数关系，选择因变量与解释变量，确定函数形式（线性、对数线性、半对数等）。
2. 参数估计：采用 OLS 获取 $\hat{\boldsymbol{\beta}}$ 及残差 $\hat{\boldsymbol{\varepsilon}} = \mathbf{y} - \mathbf{X}\hat{\boldsymbol{\beta}}$。
3. 模型诊断：通过残差分析、Durbin-Watson 检验、Breusch-Pagan 检验等工具检查经典假定是否成立。
4. 统计推断：运用 $t$ 检验、$F$ 检验和置信区间对参数进行推断，验证经济假说。
5. 预测与政策分析：利用估计模型进行点预测或区间预测。

该范式的核心特征在于其演绎性：先有理论模型，再以数据检验。这与后起的数据驱动方法（如机器学习中的算法选择导向）形成鲜明对照。

经典假定的违反与扩展

经典计量经济学的生命力，不仅体现在其基准框架的简洁优美，更体现在它催生了一整套处理"假定违反"的理论工具——某种意义上，二十世纪后半叶计量经济学理论的主要进展，正是围绕经典假定的逐一放松而展开的：

• 异方差性：当 $\mathrm{Var}(\varepsilon_i) \neq \sigma^2$（常数），OLS 仍无偏但不再有效。应对方案包括加权最小二乘（WLS）和 White 稳健标准误。
• 自相关：常见于时间序列数据，OLS 标准误有偏。Newey-West标准误和可行广义最小二乘（FGLS）是标准应对策略。
• 内生性：当 $\mathbb{E}(X_i \varepsilon_i) \neq 0$，OLS 连无偏性也丧失。工具变量法（IV）和两阶段最小二乘（2SLS）是经典框架最重要的补救手段。内生性的三大来源——遗漏变量偏误、测量误差和联立性偏误——至今仍是应用研究中最受关注的方法论议题。
• 多重共线性：当 $\mathbf{X}'\mathbf{X}$ 近奇异，OLS 虽仍为 BLUE 但方差膨胀严重。方差膨胀因子（VIF）是常用的诊断指标。

经典计量经济学的"经典"不意味着过时。相反，它通过自身假定的违反为前沿研究提供了明确的方向：每一个新方法的提出，几乎都以经典框架为参照基准。面板数据的固定效应与随机效应模型、时间序列计量经济学中的单位根与协整理论，乃至当代因果推断中的双重差分（DiD）和断点回归（RDD），其估计量的构造与性质分析均可在经典线性回归的框架内获得统一的矩阵代数表述。

思想史地位与当代意义

经典计量经济学的形成与二十世纪初数理统计学的成熟密不可分。R. A. Fisher的极大似然理论、Neyman-Pearson的假设检验框架，以及Cowles 委员会在 1940-50 年代对联立方程模型的系统研究，共同塑造了经典计量经济学的理论形态。其方法论核心——以概率模型为基础、以参数估计和假设检验为手段的统计推断范式——深刻影响了经济学从"政治经济学"向"经济科学"的转型。

在当代，经典计量经济学面临来自两方面的压力：一是因果推断革命强调以自然实验和识别策略替代传统的模型假定依赖；二是机器学习以预测能力和算法灵活性挑战了线性模型一统天下的格局。然而，经典计量经济学所确立的核心关切——估计量的无偏性、一致性和有效性，扰动项假定的可检验性，以及模型设定与经济理论的衔接——仍然是任何严肃的实证研究无法绕过的检验标准。正如Trygve Haavelmo在其概率论革命中所论证的：经济数据的非实验性质决定了计量分析必须依赖明确的概率模型假定，而经典计量经济学正是这一方法论自觉的最早结晶。